赵月
研0915班0908110663
基于直观分水岭定义的图像分割算法
Vi
ce
t和Soille提出的基于沉浸模拟的分水岭算法已经成为图像分割领域中最主要的数学形态学方法。虽然VS算法被认为是目前最快的分水岭算法，但它仍然不能满足一些实时应用对分割速度的。在VS算法的基础上提出了一种新的图像分割算法新算法采用了一种新的泛洪方法它利用了二维图像中各像素点间的规则空间关系信息计算满足基本直观定义的分水岭。实验证明其执行速度大大加快，保留了大部分对图像有益的信息。
一．分水岭算法
分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。显然，分水岭表示的是输入图像极大值点。因此，为得到图像的边缘信息，通常把梯度图像作为输入图像，即gxygradfxyfxyfx1y2fxyfxy1205式中，fxy表示原始图像，grad表示梯度运算。其主要思想是：充分利用各像素点之间的规则空间关系，快速计算符合基本直观定义的分水岭并将其用于图像分割。包括排序和泛洪两部分。排序：新算法在计算各点排序位置时将各点的空间位置考虑进去，使得排序数组中元素的排列满足一定的空间关系（梯度值相同的点，空间位置位于左上的点排在右下的点之前）。排序后的数组，值和形式为：坐标，Y坐标）（X。梯度值越小，位置越靠前。如果梯度值相同，则空间位置位于左上的点位置靠前。与VS算法的区别在于泛洪方式。具体而言，在每一个梯度层，新算法的做法是按各像素点的空间关系顺序扫描各像素点（自左上到右下）并在扫描过程中确定，每一点是属于现有的集水盘地还是属于新的集水盘地。判断的基本依据是该点是否有已标记邻点，若有则判为与邻点属同一集水盘地，否则判为新的极小区并赋给一新的区域标识。处理一个梯度层级内像素点的具体过程如下
f首先，记录当前的集水盘地标识值labelmi
每发现一个新的极小区，将该值加1，因此第i个发现的极小区将被标记为i。该值是所有极小区高度小于h当前高度的集水盘地与极小区大于h的集水盘地的分界标志。也就是说，如果某集水盘地含有梯度值小于h的点，则该集水盘地的标识值必定小于等于labelmi
反之，如果某集水盘地所有点的梯度值都大于h则该集水盘地的标识值必定大于labelmi
。其次，对每个被扫描的当前点，一次检查它的4个邻点。若其中一个邻点尚未标识，则转向下一个邻点（左上右下的顺序）。若邻点已经标识而当前点尚未标识，则将邻点标识值赋给当前点。若邻点和当前点都已r